Estrazzjoni ta' dokumenti OmniDoc / Gwida 2026
Kif tagħżel għodda bla ħlas għall-estrazzjoni tad-dokumenti fl-2026
L-estrazzjoni tad-dokumenti tibdel PDF, skenn jew fajl tal-Office f'kontenut strutturat: kowċijiet, paragrafi, tabelli u immaġini bl-ordni tal-qari, bħal Markdown u JSON. Għodod bla ħlas jvarjaw f'dak li jirriżerva ta' dik l-istruttura. Iċċekkja dawn it-tmien punti ma' wieħed mill-fajls tiegħek stess qabel ma tibni fuq il-prodott finali.
Ipprova b’fajl tiegħek stessAġġornat Novembru 2026
8 affarijiet li għandek tiċċekkja fil-ħruġ
Livelli tal-headings
Il-kapitoli u s-sezzjonijiet għandhom joħorġu bħala livelli tal-headings (#, ## f'Markdown), mhux bħala linji grassi, sabiex l-istruttura tad-dokument tibqa’ ssalva.
L-ordni tal-qari u l-kolonni
F'paġni b'kolonna jew żewġ kolonni, linji minn kolonni differenti m’għandhomx jitħalltu; l-intestaturi, il-qiegħ tal-paġna u n-numri tal-paġni m’għandhomx joqogħdu f’nofs paragrafu.
Tabelli
It-tabelli għandhom iżommu r-roti u l-kolonni tagħhom, inklużi l-intestaturi f’demm, minflok ma jsiru serje ta’ numri.
Skenni u ritratti
Skenn ma għandux saff ta’ test. L-għodda trid tirrikonoxxi t-test (OCR) u mbagħad l-arranġament; iċċekkja n-numri kontra l-oriġinali.
Immaġini u formuli
Ir-ritratti għandhom jiġu esportati bħala fajls bil-pożizzjonijiet tagħhom immarkati fit-test; il-formuli għandhom joħorġu mhux mibdula.
Formati tal-ħruġ
Markdown suits people and AI assistants; JSON that keeps paragraphs and tables in reading order suits programs, databases and retrieval (RAG).
Tipi ta' fajls u limiti
Iċċekkja l-paġni għal kull fajl, il-limiti mensi u l-formati li għandek: PDF, skennijiet, Word, PowerPoint, Excel, EPUB, HTML.
Privatezza
Skopri min jista' jara l-fajl tiegħek u jekk għandekx bżonn kont. Tella' dokumenti kunfidenzjali f'sit li ma jiktebx hekk.
X'jagħmel l-estrazzjoni bla ħlas OmniDoc f'dawn il-punti
L-estrazzjoni tal-fajl bla ħlas OmniDoc hija paġna web; tidħol b'kont OmniDoc bla ħlas.
L-istruttura u l-ordni tal-qari
Il-kapitoli, il-paragrafi u l-listi jżommu l-istruttura tal-oriġinal; żewġ jew tliet kolonni ta' test jingħaqdu fl-ordni tal-qari.
Tabelli u immaġini
It-tabelli joħorġu bħala tabelli Markdown u bħala rijiet u kolonni fil- JSON; l-immaġini jinżammu fil-folder images/ bil-pożizzjonijiet tagħhom immarkati.
Dak li tniżżel
Fajl ZIP b'document.md (it-test sħiħ bħala Markdown), document.json (data strutturata fl-ordni tal-qari), l-immaġini u lista tal-fajls.
Limiti u privatezza
Sa 501 paġna għal kull PDF u l-ebda limitu fix-xahar; estrazzjonijiet bla ħlas jistennew fi kju. Int biss tista tara l-fajls li ttella' u r-riżultati tagħhom.
Liema triqt għal liema fajl
| Il-fajl tiegħek | X'tuża |
|---|---|
| Artiklu ta' riċerka (PDF, żewġ kolonni) | L-estrazzjoni bla ħlas: Markdown bil-livelli tal-intestaturi bl-ordni tal-qari; iċċekkja l-formuli kumplessi kontra l-oriġinali. |
| Kuntratt skennjat jew ritratt ta' paġna | L-estrazzjoni bla ħlas b'riconnizzjoni tat-test (OCR); iċċekkja n-numri u t-tabelli kontra l-oriġinali. |
| Rapport mimli tabelli | L-estrazzjoni bla ħlas: tabelli Markdown, u ringieli u kolonni fil-JSON, lesti għal spreadsheet jew skript. |
| Word, PowerPoint, Excel, EPUB jew HTML | L-estrazzjoni bla ħlas taqra l-istruttura tad-dokument direttament; m'hemmx bżonn riconnizzjoni tat-test. |
| Dokumenti għal bażi ta' għarfien jew RAG | Uża document.json (paragrafi u tabelli bl-ordni tal-qari) għall-irkupru u document.md għal assistent AI. |
| Fajls antiki .doc, .ppt u .xls | Issejvjahom bħala .docx, .pptx jew .xlsx l-ewwel, imbagħad ittajpjawhom. |
Mistoqsijiet
Hemm għodda bla ħlas biex tikkonverti PDF għal Markdown u JSON fl-2026?
Iva. L-estrazzjoni b'xejn tad-dokumenti OmniDoc tibdel PDF, skan jew fajl tal-Uffiċċju f'ZIP b'document.md, document.json, l-immaġini u lista tal-fajls. Sa 501 paġna għal kull PDF; iddaħħal kont b'xejn OmniDoc.
Kif tvarja l-estrazzjoni strutturata mill-kopja tat-test?
Il-kopja tagħtik test sempliċi. L-estrazzjoni tżomm l-intestaturi, il-paragrafi, it-tabelli u l-immaġini u kif huma relatati, bħala data strutturata li programm jista' juża.
Jista' jestratti t-tabelli minn PDF?
Iva. It-tabelli joħorġu bħala tabelli Markdown u bħala ringieli u kolonni fil- JSON. L-intestaturi magħqudin komuni huma rikonoxxuti; iċċekkja t-tabelli kumplessi ħafna kontra l-oriġinali.
Jaħdem għal PDFs skennjati u ritratti?
Iva. L-iskennjat u l-immaġini jgħaddu minn rikonoxximent tat-test l-ewwel u mbagħad jiġu organizzati skont it-tqassim tagħhom. Iċċekkja n-numri u t-tabelli kontra l-oriġinali; ir-riżultati għall-kitba bl-id dipendu fuq il-kitba stess.
Nista' nuża r-riżultat għal RAG jew għal assistent AI?
Iva. document.md jista' jiġi mdaħħal direttament f'assistent AI; document.json iżomm l-istruttura tal-paragrafi u t-tabelli u huwa adattat għar-riċerka (RAG).